Valmis!

Nyt on kurssi paketissa ja blogini valmis. Opin paljon uutta ja oppi meni perille vähän takomalla ja erehdysten kautta. Uskon, että MapInfon käytön opiskelusta tulen kiittämään itseäni (ja Arttua) vielä monta kertaa karttoja väsätessä.

Kiitos ja näkemiin!

Kurssikerta 7: Kierrätys ja hiilidioksidipäästöt Euroopassa

Viimeisenä kurssitehtävänä tuli luoda kartta tai karttoja käyttämällä hyödyksi kurssilla opittuja taitoja. Karttojen aiheen sai valita itse ja jopa karttapohjat olisi voinut luoda itse vaikkapa skannatusta kartasta. Valitsin kuitenkin tarkastelukohteeksi Euroopan, josta oli valmis pohjakartta valmiina kurssikansiossa. Kompensoidakseni karttapohjan valmistelemiseen vaadittavan työmäärän puuttumisen, tein lopulta kolme eri karttaa, joissa tarkastelin Euroopan valtioiden ympäristöasioita. Tarvitsemani informaation karttoihini sain Euroopan komission Eurostat -palvelusta. Euroopan maista tarkastelun kohteiksi valitsin ne, joista haluamaani tietoa oli saatavilla. Tieto oli saatavilla Excel-tiedostoina, joten karttaa tehdessä aineistoa piti muokata ja liittää se karttaan. Tämä onnistui jo melko sutjakkaasti.

Ensimmäisessä kartassa tarkastelin kierrätetävän jätteen osuuksia Euroopan eri maissa (Kuva 1). Kierrätettävän yhdyskuntajätteen osuuden asukasta kohden jouduin laskemaan itse, koska valmista tietoa ei ollut saatavilla. Kierrätetyn jätteen osuuksia maittain kuvasin kahdella pylväsdiagrammilla, joista toinen kuvaa kierrätettyä yhdyskuntajätettä ja toinen pakkausmateriaaleja. Valitsin kartan pohjaksi koropleettiteemakartan, joka kuvaa maiden BKT:tä asukasta kohden ostovoimayksiköllä. Myös Erfving (2014) oli valinnut BKT:n EU maiden ekologisuutta kuvaavien karttojensa pohjalla esittämään valtioiden varallisuutta. Jostain syystä pohjoisnuoli ei halunnut toimia kartoissani, joten jätin sen puuttuessa kartalle ruudukon näkyviin.

Kuva 1. Kierrätettävän yhdyskuntajätteen ja pakkausmateriaalin osuus sekä BTK per asukas ostovoimaindeksillä Euroopan maissa vuonna 2011 (Euroopan komission Eurostat-palvelu 2014)

Kuva 1. Kierrätettävän yhdyskuntajätteen ja pakkausmateriaalin osuus sekä BTK per asukas ostovoimaindeksillä Euroopan maissa vuonna 2011 (Euroopan komission Eurostat-palvelu 2014)

Eurostat -palvelussa ei eritelty mitä kierrätetty yhdyskunta- ja pakkausmateriaalijäte sisältää, mutta voisin olettaa, että kierrätettävää yhdyskuntajätettä on esimerkiksi biojäte ja jätepaperi. Kartonkipakkaukset, lasi, muovi ja metalli voivat kuulua kumpaan ryhmään tahansa.Tyhjien pullojen ja tölkkien kierrätys sopisi pakkausmateriaalien kierrätykseen. Jätettä voidaan myös polttaa biovoimalaitoksissa, mikä on eräänlaista kierrätystä. Yhdyskuntajätteitä kierrätetään kaikissa tarkasteltavissa maissa Serbiaa ja Turkkia lukuunottamatta. Romaniassa yhdyskuntajätteestä kierrätetään vain pieni osa (1%). Tiedot pakkausmateriaalien kierrätyksestä puuttuvat Serbiasta, Turkista, Kroatiasta, Islannista ja Sveitsistä. Valtaosassa maista pakkausmateriaaleista kierrätetään yli puolet, kun taas yhdyskuntajätteen kierrätys on vähäisempää. Yhdyskuntajätteen kierrätykseen vaikuttaa varmasti kansalaisten oma aktiivisuus ja halu kierrättää. Aina kierrätykselle ei ole mahdollisuutta (esimerkiksi biojätekeräyksen puuttuminen kerrostaloyhtiöistä ja muut puuttuvat kierrätyspisteet). Erilaistet panttijärjestelmät (kuten pullo- ja tölkkipantit) lisäävät taas pakkausmateriaalien kierrätysintoa. Pakkausmateriaalikierrätykseen voitanee laskea myös kaupoista ja teollisuudesta syntyvää kierrätettävää jätettä.

Maat, joissa kierrätys pelaa parhaiten (yhdyskuntajätteen kierrätys yli 30% ja pakkausmateriaalien kierrätys yli 70%) ovat Saksa, Belgia ja Irlanti. Näissä maissa myös BKT oli yli 120. Huomionarvoista on, että kaikki maat, joissa joko yhdyskuntajätteen kierrätys ylitti 30% tai pakkausmateriaalien kierrätys 70%, BKT oli vähintään 115. Kuitenkin esimerkiksi Norjassa (BKT 186) kierrätys oli vain keskitasoa ja vähäisempää kuin Bulgariassa (BKT 47). Myös Ruutu (2014) oli tarkastellut yhdyskuntajätteen kierrätystä. Karttojemme vertailu on mielenkiintoista, sillä Ruutu esitti kartallaan kierrätetyn jätteen kokonaismäärän maittain, kun taas itse esitin kierrätetyn jätteen määrän prosenttiosuuksina per asukas. Näin ollen omassa kartassani kierrätysmääriä voidaan vertailla eri maiden välillä. Kuten Ruutu (2014) kirjoittaa omasta kartastaan: ”Luonnollisestikin jätettä syntyy enemmän siellä, missä myös väkiluku on korkeampi. Siksi todellisesta kierrätysmäärästä on vaikea kartan perusteella tehdä johtopäätöksiä.”  Saksa erottui kummankin kartasta suurena kierrättäjämaana.

Seuraavaksi tein edellistä täydentävän kartan, jossa tarkastelin syntyvää jätemäärää per asukas (Kuva 2). Säilytin kartan pohjalla edelleen BKT:tä kuvaavan koropleettikartan. Jätemäärää kuvasin graduated-teemakartalla ja hieman hullutellakseni kuvasin jätemäärää jätemäärän mukaan kasvavalla roska-astialla. Se ei ehkä kartan visuaalisen ilmeen kannalta ollut paras mahdollinen vaihtoehto, mutta tulipahan sitäkin kokeiltua.

Kuva 2. Syntyvän jätteen määrä (kg/asukas) ja BTK asukasta kohden ostovoimaindeksillä Euroopan maissa vuonna 2011 (Euroopan komission Eurostat-palvelu 2014).

Kuva 2. Syntyvän jätteen määrä (kg/asukas) ja BTK asukasta kohden ostovoimaindeksillä Euroopan maissa vuonna 2011 (Euroopan komission Eurostat-palvelu 2014).

Kartalta on nähtävissä, että jätettä syntyy eniten asukasta kohti maissa, joissa myös ostovoima on suurin. Saksassa, Tanskassa ja Irlannissa jätemäärät ovat yhdet suurimmista, joten on hyvä, että näissä maissa myös kierrätys toimii. Kreikassa, Kyproksella ja Maltalla olisi syytä lisätä jätteiden kierrätystä, joka on vaatimatonta syntyneeseen jätemäärään verrattuna. Näissä maissa turismilla saattaa olla osuutta syntyvän jätemäärän paljouteen.

Kurssin viimeisen kartan tein liittyen vähän erilaisiin päästöihin, nimittäin hiilidioksidipäästöihin (Kuva 3). Ilmastonmuutoksen hillitsemiseksi on otettu käyttöön erilaisia kansainvälisiä ilmastosopimuksia, jotka velvoittavat sopimuksen osapuolet päästövähennyksiin tietyllä aikavälillä (Ilmasto-opas 2014). Kartassa kuvasin hiilidioksidipäästöjen kehityksen vuodesta 2003 lähtien eri maissa pylväsdiagrammeilla. Islannista puuttuu tilasto vuodelta 2011 eikä siellä ole suinkaan päästy nollapäästöihin, kuten kuva antaa olettaa.

Kuva 3. Hiilidioksidipäästöjen kehitys Euroopan maissa vuosin 2003-2011. CO2-ekv., indeksoitu  1990 mukaan (Euroopan komission Eurostat-palvelu 2014).

Kuva 3. Hiilidioksidipäästöjen kehitys Euroopan maissa vuosin 2003-2011. CO2-ekv., indeksoitu 1990 mukaan (Euroopan komission Eurostat-palvelu 2014).

Valtaosasassa maista hiilidioksidipäästöissä on laskua, vaikkakin se on hidasta ja epätasaista. Islannissa hiilidioksidipäästöt ovat pikemminkin kasvaneet, joskin tähän on saattanut vaikuttaa tulivuorenpurkausta (viite). Jos tarkastellaan neljää kierrätyksen edelläkävijä maata, voidaan huomata, että Saksa, Tanska, Belgia ja Irlanti ovat onnistuneet vähentämään hiilidioksidipäästöjään tasaisen mallikkaasti. Tekemieni karttojen perusteella siis näistä maista kannattaa ottaa mallia päästöjen vähentämissä, vaikkakin syntyvän jätemäärän ennaltaehkäisyssä on näilläkin mailla vielä opittavaa.

Lähteet:

 Ilmasto-opas (2014) Ilmastopolitiikka. <http://ilmasto-opas.fi/fi/ilmastonmuutos/hillinta/-/artikkeli/f65a78bb-dc8e-41a5-b09a-6fa36661880b/sopimukset-ohjaavat-kansainvalista-ilmastopolitiikkaa_fi.html>

Erfving, N. (2014) Kurssikerta 7: BKT, vaarallinen jäte ja uusiutuva energia EU-maissa. <https://blogs.helsinki.fi/nataliae/> Luettu 11.3.2014

European Commission (2014) Eurostat: Your key to European statistics. <http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/>

Ruutu, K. (2014) Kurssikerta 7: Viimeinen taistelu MapInfon kanssa. <https://blogs.helsinki.fi/karuutu/> Luettu 11.3.2014

 

SWOT -analyysi: Mapping America

Tehtävänä oli laatia SWOT-analyysi USA:n väestötietoja sisältävästä Mapping America: Every city, every block -karttapalvelusta. Internetistä löytyvän palvelun tarjoaa The New York Times ja se on vapaasti kaikkien halukkaiden käytettävissä. Palvelusta löytyy tietoa yhdysvaltalaisten asumisesta (asuntojen arvot, vuokrat, lainat), tulotasosta, koulutustasosta ja asukkaiden etnisestä taustasta, ja yksityiskohtainen tieto on saatavilla aina korttelitasolle asti. Vaikka palvelu on varmasti teknisesti edistyksellinen, jossain määrin hyödyllinen ja ehkä helppokäyttöinen, jäi minulle palvelusta hieman epäilyttävä olo. Kuten Uusi-Virta (2014) asian ilmaisi, palvelu vaikutti samaan aikaan ”törkeän siistiltä, mutta samalla niin väärältä”. Epämiellyttävään tunteeseen vaikutti ehkä tapa jaotella asukkaat ensisijaisesti etnisiin ryhmiin. Lisäksi aihepiirin ”Housing and Families” alla ainut perheisiin liittyvä tieto oli samaa sukupuolta olevat pariskunnat. Olisin ehkä kaivannut perhetietoihin vertailun vuoksi tietoa myös eri sukupuolta olevista pariskunnista, lapsiperheistä, yksinhuoltajaperheistä ja yksineläjistä. Palvelusta jäi siis päällimmäiseksi sellainen tunne, että palvelun päätarkoitus on analysoida miten etninen tausta tai seksuaalinen suuntautuminen vaikuttaa tulotasoon, velkaantumiseen tai koulutustasoon.

Pidemmittä puheitta, tässä SWOT -analyysini palvelusta:

VAHVUUDET

Palvelun tarjoama aineisto on laaja ja tarkka, sillä se kattaa koko Yhdysvallat ja tietoa on saatavilla korttelitasolle asti. Erilaisia muuttujia on tarjolla riittävästi, mikä mahdollistaa useiden erilaisten vertailujen laatimisen. Aineiston avulla voidaan kartoittaa esimerkiksi eri alueiden ostovoimaa, mikä on varmasti avuksi markkinointitutkimuksissa. Aineisto on helposti saatavilla, mikä tekee tutkimusten suorittamisesta helpompaa ja nopeampaa. Kynnys tutkimuksen suorittamiseen alenee.

Kartan liikuttelu on helppoa ja kartalla nuolta liikuteltaessa saa heti näkyviin alueiden tietoja, kuten eri väestöryhmien prosenttiosuuksia alueilla. Löytämiään tietoja pääsee palvelun avulla jakamaan myös sosiaalisessa mediassa, kuten Twitterissä ja Facebookissa.

HEIKKOUDET

Palvelun heikkoutena koen ehdottomasti sen, ettei palvelun tarjoamien varsin yksityiskohtaistenkin tietojen käyttötarkoituksia valvota. Eettisyys informaatiota käytettäessä jää käyttäjien omaan harkintaan.

Kartta-aineiston jatkokäyttö on varsin yksipuolista, sillä eri karttojen tietoja ei käsittääkseni pysty palvelussa yhdistämään, joten informaatiota pitää tarkastella yksitellen. Lisäksi palvelun hakutoiminto toimii todistetusti huonosti (Kerola 2014).

MAHDOLLISUUDET

Saatavilla olevaa tietoa voidaan käyttää muun muassa kaupunkisuunnittelussa, markkinoinnin kohdistamiseen sekä erilaisten palveluiden tuottamiseen. Kun aineisto on vapaasti saatavilla, voivat myös uudet aloittelevat yrittäjät löytää helpommin mahdollisia markkinarakoja.

UHAT

Palvelu voi myös tehdä karhunpalveluksia tietyille asuinalueille tai ihmisryhmille. Vuorensola (2014) esitti yhtenä uhkana palveluiden siirtymisen alueille, joilla on enemmän ostovoimaa. Tämä uhka on hyvin mahdollinen, sillä tiedon ollessa julkista, yritysten on helpompi välttää alueita, joilla asiakkaiden määrä on vähäisempi taloudellisen ahdingon vuoksi.

Palvelua voi myös käyttää väärin esimerkiksi rasistisiin tai rikollisiin tarkoituksiin.

Lähteet:

Kerola, J. (2014) The New York Times: Mapping America <https://blogs.helsinki.fi/jekerola/ > Luettu 3.3.2014

The New York Times (2014) Mapping America: Every City, Every Block <http://projects.nytimes.com/census/2010/explorer >

Uusi-Viitala, K. (2014) SWOT-analyysi: Every city, every block <https://blogs.helsinki.fi/kasperuu/ > Luettu 3.3.2014

Vuorensola, M. (2014) Mapping America/SWOT <https://blogs.helsinki.fi/mariavuo/ > Luettu 3.3.2014

Kurssikerta 6: Pisteaineistoja ja hasardikarttoja

Kuudennen kurssikerran teemana oli pisteaineistojen esittäminen kartalla kahdella eri tavalla: muodostamalla kartalle pisteitä koordinaattien avulla (Create Points) ja geokoodaamalla eli paikantamalla aineisto kartalle toisen tietokannan avulla esimerkiksi osoitetietoja apuna käyttäen (Geocoding). Itsenäistehtävänä oli tuottaa pisteaineistolla kolme karttaa, jotka soveltuisivat opetusmateriaaliksi. Aiheena olivat hasardit ja materiaali tuli hakea Internetin tietopankeista.

Valitsin ensimmäisen karttani aiheeksi hyvin voimakkaat maanjäristykset (Kuva 1). Hyvin voimakkaiksi maanjäristyksiksi luokitellaan yli 7 magnitudin järistykset (Helsingin yliopisto 2014). Koska hyvin voimakkaita järistyksiä tapahtuu keskimäärin 19 vuodessa, käytin kartassani koko saatavilla olevaa aineistoa aina vuodesta 1898 asti. Merkitsin karttaan erikseen erittäin voimakkaat yli 8 magnitudin järistykset. Toinen karttani (Kuva 2) esittää vuoden 1964 jälkeen purkautuneita tulivuoria sekä yli 7 magnitudin maanjäristyksiä. Mielestäni näitä kahta teemaa on hyvä tarkastella yhdessä, sillä suurin osa maanjäristyksistä sattuu litosfäärilaattojen liitoskohdissa, missä myös sijaitsee valtaosa tulivuorista. Aallon (2014) ja Erfvingin (2014) tapaan katsoin tarpeelliseksi esittää yhdessä näiden karttojen kanssa myös kartan litosfäärilaatoista (Kuva 3).

Mahtava_järistyskartta2

Kuva 1. Hyvin voimakkaat eli yli 7 magnitudin maanjäristykset vuoden 1898 jälkeen (Maanjäristys data NCEDC 2014).

mahtava_tulivuorikartta

Kuva 2. Tulivuorenpurkaukset ja hyvin voimakkaat yli 7 magnitudin maanjäristykset vuoden 1964 jälkeen. Aineisto NCEDC 2014 (maanjäristykset) ja NOAA 2014 (tulivuorenpurkaukset).

litosfäärilaatat

Kuva 3. Maapallon litosfäärilaatat (NASA 2014).

Karttojen avulla voidaan havainnollistaa, kuinka seisminen ja vulkaaninen toiminta keskittyy litosfäärilaattojen liitoskohtiin sekä niin sanotuille hotspot -alueille. Noin 70–90 % maailman seismisestä toiminnasta keskittyy Tyynenmeren reunoille (Helsingin yliopisto 2014), mikä näkyy selvästi tekemistäni kartoista. Myös Etelä-Euroopasta Himalajan vuoristoon ulottuva alue erottuu hyvin aktiivisena alueena.  Aalto (2014) oli myös tehnyt blogiinsa yli 7 magnitudin järistyksiä esittävän kartan ja hän pohti, että lisäämällä karttaan myös 6 magnitudin järistykset olisi näkyviin saanut kaikki litosfäärilaattojen liitoskohdat. Yli 7 magnitudin järistyksiä esittävästä kartasta eivät erotu laajat maanjäristysvyöhykkeet Euraasian ja Pohjois-Amerikan sekä Afrikan ja Etelä-Amerikan välillä. Summanen (2014) oli laatinut kartan 6 magnitudin maanjäristyksistä, jossa järistysten sijoittuminen litosfäärilaattojen liitoskohtiin näkyi selvästi.

Kolmannen karttani (Kuva 4) tein maahan syntymäni jälkeen pudonneista meteoriiteista ihan vain pelotellakseni itseäni. Aineiston heikkous on siinä, että todennäköisesti kaikkia viimeisten kolmen vuosikymmenen aikana maahan syöksyneitä meteoriitteja ei ole havaittu tai löydetty. Kartan perusteella meteoriittejä on iskeytynyt maahan noin 30˚S ja 60˚N leveysasteiden välillä. Näiden leveysasteiden ja napojen välisiltä alueilta ei ole havaintoja. Havaintoja näyttää olevan myös enemmän pohjoisella kuin eteläisellä pallonpuoliskolla. Olisi mielenkiintoista selvittää, johtuuko tämä havaitsijoiden puutteesta vai kenties maapallon ominaisuuksista kuten esimerkiksi magneettikentästä tai asennosta.

Mahtavat_meteoriitit

Kuva 4. Havannot maahan pudonneista meteoriiteistä vuosina 1982-2014. Meteoriittiaineisto Meteoritesize 2014.

Olen samaa mieltä Summasen (2014) kanssa siitä, että selkeät ja suuret otsikot sopivat hyvin opetuksessa käytettäviin karttoihin, etenkin jos karttoja on tarkoitus esittää luokassa aina takariville asti. Lisäksi karttojen tulee olla riittävän informatiiviset, mutta samalla kuitenkin yksinkertaiset ja selkeät. Yksityiskohtaisemmat kartat sopivat paremmin itsenäiseen opiskeluun, jolloin karttaan voi rauhassa paneutua. Omat karttani soveltuvat mielestäni opetustarkoitukseen ainakin siltä osin, että ne ovat yksinkertaisia ja selkeitä. Maanjäristyksiä ja tulivuorenpurkauksia kuvaavaan karttaan olisi sopinut paremmin 6 magnitudin järistykset. Internetistä löytyy runsaasti erilaisia seismistä ja vulkaanista toimintaa kuvaavia karttoja. Etenkin tämä Internetistä löytämäni kartta, jossa oli yhdistetty litosfäärilaattojen liitoskohdat, seismisen toiminnan intensiteetti ja erittäin voimakkaat maanjäristykset, oli erittäin informatiivinen. Omia maanjäristys- ja tulivuorikarttojani voisi muokata lisäämällä niihin muuta opetusta tukevaa informaatiota ja tarkastella maanjäristysten ja tulivuorenpurkausten, tai ihan vain tulivuorten sijaintien, suhdetta tarkasteltavaan informaatioon. Tällaista lisätietoa voisi olla esimerkiksi maanpinnan muodot ja millaisia ne ovat litosfäärilaattojen liitoskohdissa. Tulivuoriaineistosta voisi erotella erilaisia tulivuorityyppejä ja katsoa millaisilla alueilla ne sijaitsevat. Onko esimerkiksi litosfäärilaattojen erkanemis- ja törmäyskohdissa erityyppisiä tulivuoria? Asutuksen lisääminen hasardikarttaan tuo viitteitä siitä, kuinka suuria tuhoja maanjäristys tai tulivuorenpurkaus on saanut aikaan. Suurimpien hasardien yhteydessä voisi kartalla esittää myös hasardien ominaisuustietoja, kuten Aalto (2014) oli tehnyt yhdessä kartallaan. Erfvingillä (2014) oli hieno idea esittää kartoilla tsunamien yhteyttä tulivuorenpurkauksiin ja maanjäristyksiin.

Pisteaineiston avulla kartalla voi esittää paljon mielenkiintoisia asioita. Aineiston siirtäminen kartalle oli yllättävän yksinkertaista. Internet on pullollaan käyttökelpoisia tietokantoja, eikä mikään estä oman aineiston keräämistä GPS -laitteen avulla. Itse tulen varmasti tarvitsemaan oppimaani taitoa tulevissa tutkimuksissani. Toisten keräämää tietoa käytettäessä pitää olla tarkkana, sillä data voi olla puutteellista tai sisältää virheellistä tietoa. Kurssilla käytetyissä tulivuori- ja maanjäristystietokannoistakin löytyi puutteita: yli 7 magnitudin maanjäristyksistä puuttui ainakin Australian Meeberriessä vuonna 1941 sattunut 7,3 magnitudin järistys (Australian Government 2014). Aalto (2014) huomasi myös, että todellisuudessa Islannissa sijaitseva tulivuori Lakagigar oli sijoitettu virheellisesti Ruotsiin.

Karttojen ulkoasun muokkaamisessa on minulla vielä opittavaa. Taistelin ikuisuudelta tuntuneen ajan Painshop Pro:n kanssa, mutta opin kuitenkin lopulta muokkaamaan sen avulla kartan legendaa ja tekemään kartalle otsikon. Kun vihdoin sain kartat valmiiksi, huomasin, että olin unohtanut niistä pohjoisnuolen ja mittakaavan. Saatan siis ehkä vielä joskus palata tänne muokkaamaan karttoja, kunhan ensin selviän hermoromahduksesta.

 

Lähteet:

Aalto, M. (2014) Kurssikerta 6: Pisteaineistojen tuottaminen ja esittäminen kartalla.  <https://blogs.helsinki.fi/mmaalto/ > Luettu 25.2.2014

Australian Government (2014) Earthquakes @ Geoscience Australia. <http://www.ga.gov.au/earthquakes/list.do?isRegionSelected=false&region=AUS >

Erfving, N. (2014) Maanjäristysten ja tulivuorten esittäminen pistekartalla. <https://blogs.helsinki.fi/nataliae/ > Luettu 25.2.2014

Helsingin yliopisto (2014) Perustietoa maanjäristyksistä. <http://www.helsinki.fi/geo/seismo/maanjaristykset/tieto/perustietoa.html >

NASA (2014) Global tectonic datasets. < http://denali.gsfc.nasa.gov/dtam/data.html >

NCEDC (2014). Northern California Earthquake Data Center. <http://quake.geo.berkeley.edu/anss/catalog-search.html >

NOAA (2014). Global Volcano Locations Database. <http://catalog.data.gov/dataset/global-volcano-locations-database >

Meteoritesize (2014). <https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1  >  

Summanen, E. (2014) KK6: Omin käsin kerätyn aineiston hyödyntäminen ja MapInfo opetustyössä. <https://blogs.helsinki.fi/eesu/ > Luettu 25.2.2014

Kurssikerta 5: Bufferointia ja itsenäistehtäviä

Viidennellä kurssikerralla opeteltiin uutena asiana puskurivyöhykkeen käyttöä eli bufferointia kartalla, jonka jälkeen suoritettiin itsenäistehtäviä. Tehtävien ratkaisemisessa tuli hyödyntää kurssilla aiemmin omaksuttuja taitoja. Tarkoituksena oli siis selvittää, miten hyvin itse kukin on sisäistänyt MapInfon eri toimintojen käytön ja erilaiset soveltamismahdollisuudet. Tehtäviä suorittaessani huomasin, että omat heikkouteni MapInfon käytössä löytyivät aineiston yhdistämisessä ja muokkaamisessa. Tämä saattaa johtua siitä, että olin kyseisen kurssikerran poissa ja opettelin asian itsenäisesti. Opin kuitenkin tällä kertaa itsenäistehtäviä tehdessäni paljon, sillä jouduin kohtaamaan puutteet omassa osaamisessani ja selvittää asiat kantapään kautta. Huomasin, että joutuessani ajattelemaan itse ilman valmiita ohjeita ja valitsemaan tarvittavat toimenpiteet tehtävien suorittamiseksi, ymmärrykseni eri funktioiden toimintaperiaatteista syventyi huomattavasti. Kurssilla aikaisemmin suoritetut tehtävät ovat olleet hyvin paljon esimerkkien toistoa, jolloin vaarana on ollut suorittaa toimenpiteitä ilman että on oikeastaan ymmärtänyt mitä on tehnyt. Niinpä aikani tehtäviä pyöriteltyäni ja useiden luomieni tietokantojen jälkeen sain aikaiseksi järkevän oloisia vastauksia tehtävissä annettuihin kysymyksiin. Vastaukseni ovat luettavissa Taulukosta 1.

Taulukko 1. Itsenäistehtävien vastaukset.

Taulukko 1

Vapaavalintaisista tehtävistä valitsin uima-altaat pääkaupunkiseudulla, sillä halusin haastaa itseni myös kartan laatimisessa. Kehityskohteenani on edelleen karttojen visuaalinen ilme (koska en ole edelleenkään opetellut Corelin käyttöä), mutta koen tällä kertaa onnistuneeni kartan laadinnassa astetta paremmin MapInfon omien työkalujen avulla (Kuva 1). Pylväät ovat haastava elementti kartalla, jolla osa-alueet ovat pieniä, mutta periksi antamaton kun olen, en lopettanut ennen kuin sain pylväät asettumaan kartalle suhteellisen selkeästi ilman erillistä ´photoshoppausta`. Myös Aalto-Setälä (2014) oli tehnyt kartan pääkaupunkiseudun uima-altaista. Hän oli käyttänyt koropleettikarttaa pylväsdiagrammikartan sijaan, jotta kartta olisi selkeämpi ilman päällekkäisiä pylväitä. Aalto-Setälä oli nähnyt vaivaa taustakartan värityksessä, mistä voisin ottaa vastaisuudessa oppia itsekin.

Kuva 1. Uima-altaiden lukumäärä pääkaupunkiseudun pienalueilla.

Kuva 1. Uima-altaiden lukumäärä pääkaupunkiseudun pienalueilla.

Uima-altaiden määrä pääkaupunkiseudulla yllätti. Uima-altaat keskittyvät Helsinkiin, missä eniten altaita löytyy Länsi-Pakilasta (52 kpl) ja Lauttasaaresta (51 kpl). Jopa 24:llä Helsingin pienalueella on yli 10 uima-allasta, kun taas Vantaan ja Espoon pienalueilla altaita on vain yhdestä kolmeen jos ollenkaan. Ennakko-odotukseni oli, että Espoossa olisi ollut paljon enemmän uima-altaita, etenkin ns. hienostoalueilla. Olisi mielenkiintoista selvittää syy Helsingin uima-allaspaljouteen. Voisiko uima-altaiden määrä liittyä esimerkiksi rakennusvuoteen, esimerkiksi 1980-luvun nousukauteen?

Vaikkakin koen hallitsevani useita MapInfon työkaluja, ovat kuitenkin keskeisimmät työkalut aiheuttaneet minulle eniten päänvaivaa. Oleellisimmat työkalut MapInfossa ovat tietokantojen luomiseen ja yhdistämiseen liittyvät työkalut, sekä erilaiset karttatyökalut, kuten teemakarttapohjat. Myös tällä kurssikerralla esitelty bufferointityökalu on erittäin hyödyllinen, sillä sen avulla voidaan rajata halutun kokoinen alue (esimerkiksi 500 metrin säteellä kohteesta) tarkasteltavan kohteen ympäriltä. MapInfon eri toimintojen avulla paikkatietoaineistosta päästään luomaan sellaisia kartografisia esityksiä, jotka kuvaavat tutkittavaa ilmiötä parhaalla mahdollisella tavalla ja joiden avulla aineiston analyysi on helpompaa. Esimerkiksi puskurivyöhyketyökalun avulla voidaan koota tietoa erilaisten asioiden tai ilmiöiden ympäriltä ja tutkia niiden vaikutusalueita. Puskurivyöhyketyökalua voitaisiin näin ollen käyttää apuna esimerkiksi kaupunkisuunnittelussa, erilaisissa riskikartoituksissa ja ympäristölupahakemusten yhteydessä, kun halutaan tarkastella potentiaalisia altistumisalueita sekä niillä sijaitsevia luontokohteita tai asukasmääriä. Saarinen (2014) esitti oivaltavan esimerkin työkalun käytöstä järvien rehevöitymiseen vaikuttavien tekijöiden, kuten valuma-alueella märehtivien nautojen määrän, kartoituksessa.

Kasvien kasvua rajoittaa ns. minimitekijä eli se ravinne mitä kulloinkin on vähiten saatavilla. Samaa teoriaa voidaan soveltaa myös MapInfon käytössä eli ongelman ratkaisua rajoittaa kulloinkin pienimmällä kapasiteetilla toimiva tekijä. Se voi olla itse ohjelmiston toimintojen rajallisuus, paikkatietoaineiston puutteellisuus tai käyttäjän kokemattomuus.

Lähteet:

Aalto-Setälä (Niklas) (2014) Kerta 5. Bufferoimaan mars! <https://blogs.helsinki.fi/niklasaa/> Luettu 17.2.2014

Saarinen (Ilkka) (2014) KK5 – Larppausta ja menneitä aikoja. <https://blogs.helsinki.fi/ilkkasaa/> Luettu 17.2.2014

Kurssikerta 4: Ruututeemakartta

Neljännellä kurssikerralla tutustuttiin ruututeemakarttojen luomiseen ja tehtävänä oli laatia kyseisenlainen kartta valitsemastaan aiheesta. Ruututeemakartan avulla tarkasteltavan asian alueellinen jakauma voidaan esittää paljon tarkemmin kuin esimerkiksi koropleettiteemakartalla. Tarkasteltava kartta-alue jaetaan ruudukoihin, joiden koon voi itse määrittää. Jokainen ruutu ilmentää vain sen sisäpuolelle jäävää tietoa, joten vierekkäiset ruudut voivat erota toisistaan paljonkin.  Ruutujen kokoa säätelemällä voi muokata kartan tarkkuutta. Tällaista karttatyyppiä olinkin jo kurssilla odottanut, sillä aikaisemmat karttamallit olivat mielestäni hieman kömpelöitä ja tylsiä. Mielestäni ruututeemakartta on astetta elävämpi.

Valitsin tarkasteltavaksi eläkeikäisten alueellisen sijoittumisen pääkaupunkiseudulla, sillä halusin selvittää ovatko jotkin alueet erityisen eläkeläisvoittoisia ja toisaalta, puuttuvatko joiltain alueilta eläkeläiset kokonaan.

Valmista tiedostoa eläkeikäisistä ei ollut valmiina, joten ensin oli yhdistettävä kaikki yli 65-vuotiaat asukkaat omaksi tietokannaksi. Koska halusin tarkastella nimenomaan eläkeikäisten suhteellista osuutta eri alueilla, oli luotava erikseen myös tietokanta eläkeikäisten osuudesta. Histogrammityökalun avulla selvisi, että luomani uuden aineiston jakauma oli epämääräinen, joten käytin luokitteluna luonnollisia luokkavälejä. Kartan tein ensin käyttäen ruutukokona 500 x 500 m, mutta koska eläkeikäisten osuus näytti olevan suuri etenkin haja-asutusalueilla, halusin vielä tarkentaa karttaa. Näin ollen tein uuden kartan käyttäen ruutukokoa 300 x 300 m (Kuva 1).

Kuva 1. Eläkeikäisten suhteellinen osuus pääkaupunkiseudulla.

Kuva 1. Eläkeikäisten suhteellinen osuus pääkaupunkiseudulla.

Kartalta on nähtävissä, että pääkaupunkiseudulla on sellaisia alueita, joissa eläkeikäisten osuus väestöstä on hyvin suuri (< 48 %), mutta toisaalta myös sellaisia alueita, joissa eläkeikäisiä on suhteessa nuorempiin hyvin vähän, jos lainkaan (> 6 %). Alueet, joilla eläkeikäisten osuus on pieni, ja alueet, joilla osuus on vastaavasti suuri, vuorottelevat kartalla. Uskoisin tämän selittyvän osittain asuinalueiden iän perusteella. Eläkeikäisten osuus on luultavasti suurempi vanhemmilla asuinalueilla, sillä asukkaat vanhenevat tietysti samassa suhteessa alueen kanssa ellei asukkaiden vaihtuvuus ole suuri.  Vanhojen asuinalueiden väliin rakennetuilla uudisalueilla asuu taas suhteessa vähemmän eläkeikäisiä, varsinkin jos uudisalue on suunnattu perheille. Eläkeikäisten osuus on selvästi suurin haja-asutusalueilla. Asutus haja-asutusalueilla on todennäköisesti vanhempaa kuin taajamissa ja usein nuorempi väki muuttaa kaupunkiin, kun taas vanhempi sukupolvi tahtoo jäädä omille kotikonnuilleen. Myös eläkkeelle siirtymisen jälkeen toiset saattavat kaivata haja-asutusalueen rauhaa. Helsingin kaupungin tietokeskuksen (2005) selvityksen mukaan Helsingissä yli 65-vuotiaiden lähtömuutto on suhteessa runsaampaa kuin 55-vuotiaiden, mikä selittynee eläkeikäisten halulla muuttaa pois ’kaupungin sykkeestä’. Kartalla eläkeikäiskeskittyminä näkyvät tietysti myös vanhainkodit ja muut senioritalot.

Sallasmaa (2014) ja Aalto (2014) olivat tehneet vastaavanlaisen kartan eläkeikäisten absoluuttisilla arvoilla ja pääsin näin vertailemaan miten nämä kartat eroavat omastani. Absoluuttisilla arvoilla tehdyissä kartoissa eläkeläisten määrä on suurin alueilla, joissa on muutenkin eniten asukkaita, ja pienin haja-asutusalueilla, joilla on vähän asukkaita. Kuten Aaltokin (2014) pohti blogissaan, absoluuttisilla arvoilla tehty kartta ei kuitenkaan ilmennä eri asuinalueiden väestörakennetta kuten suhteellisilla arvoilla tehty kartta. Myös Helsingin kaupungin tietokeskus (2005) käytti eläkeläisten sijoittumista ilmentävissä kartoissaan eläkeläisten suhteellista osuutta.

Karttani suuri puute on se, ettei alueita ole merkitty kartalle kuntarajoja tarkemmin, jolloin varsinkin ulkopaikkakuntalaisten on vaikea hahmottaa millaisia asuinalueita kartta sisältää. Kartan hahmottamista auttaa kuitenkin se, että käyttäessäni eläkeikäisen suhteellista osuutta kartalla on näkyvissä asutus myös sellaisilla paikoilla, joissa eläkeikäisiä ei ole lainkaan. Jos siis olisin käyttänyt kartan tekemiseen vain eläkeikäisten absoluuttisia arvoja, alueet, joilla eläkeikäisiä ei esiinny, olisivat näkyneet kartalla tyhjänä. Eli tällä karttapohjalla sellaisia asuttuja alueita, joilla ei asu eläkeikäisiä, ei olisi erottanut alueista, joilla ei asu ketään. Tämä herättääkin kysymyksen: kannattaako ruututeemakartalla edes esittää absoluuttisia arvoja? Ehkä ei silloin kun tarkastellaan erilaisten luokkien jakaantumista, mutta esimerkiksi lajien levinneisyyden ilmentämiseen absoluuttisilla arvoilla karttatyyppi varmasti sopii.

Ruututeemakartta on varmasti oivallinen väline ilmentämään asioiden alueellista vaihtelua silloin kun tarvitaan tarkempaa skaalaa ja halutaan esittää vaihtelua jonkin rajatun alueen sisällä. Koropleettiteemakartalla koko rajattu alue näkyy samalla värillä eikä sen sisäistä vaihtelua pysty erottamaan. Pistekartalla pystytään taas kuvaamaan vain absoluuttisia arvoja ja kuvattavan ilmiön tiheyttä, jolloin pisteet kartalla asettuvat satunnaisille paikoille rajatun alueen sisällä. Näihin kahteen teemakarttaan verrattuna ruututeemakartta on siis tarkempi, se näyttää ilmiöiden todellisen sijainnin ja sillä voi esittää sekä absoluuttisia että suhteellisia arvoja.

Näin neljännen karttatehtävän jälkeen huomaan ammottavan aukon omissa taidoissani: nimittäin kuvankäsittelyohjelmien käytön puutteen. Tutkiessani muiden kurssilaisten Corelilla muokattuja kuvia, pohdin vakavasti, pitäisiköhän myös kyseisen ohjelman saloihin perehtyä.

 Lähteet:

Aalto, M. (2014) Kurssikerta 4: Rasterikarttoja MapInfossa.  <https://blogs.helsinki.fi/mmaalto/> Luettu 11.2.2014

Helsingin kaupungin tietokeskus (2005) Eläkeikäisten elinolot Helsingissä. Helsingin kaupungin tietokeskuksen verkkojulkaisuja 10/2005. 104 s. <http://www.hel.fi/hel2/tietokeskus/julkaisut/pdf/05_02_28_askelo_vj10.pdf>

Sallasmaa, C. (2014) Kurssikerta 4: Ruututeemakartta. <https://blogs.helsinki.fi/christas/> Luettu 11.2.2014

Kurssikerta 3: Konflikteja ja tulvia

Kolmannen kurssikerran teemana oli datan liittäminen tietokantoihin joko ulkoisista tietolähteistä tai tietokantoja yhdistelemällä. Itseltäni jäi kyseinen kurssikerta väliin ikävien pöpöjen takia, joten opiskelin datan yhdistelemisen taidon itsenäisesti.

Tietokantojen yhdistely onnistui ongelmitta selkeiden ohjeiden avulla ja onnistumisesta intoutuneena aloin miettimään niitä lukemattomia kartografisia esityksiä, joita tämän taidon avulla pystyy luomaan. Kurssikerran ensimmäisenä blogitehtävänä olikin sopivasti aiheeseen liittyvää pohdintaa Afrikan valtioista luodun tietokannan perusteella. Jo olemassa olevaan tietokantaan liitettiin timanttikaivosten, öljykenttien ja konfliktipaikkojen sijainnit. Kysymys kuuluikin mitä aineiston avulla voitaisiin selvittää, jos tietokantaan lisättäisiin vielä seuraavat tiedot:

  • Konfliktin tapahtumavuosi ja laajuus kilometreinä
  • Timanttikaivosten löytämisvuosi, kaivausten aloitusvuosi ja kaivosten tuottavuusluokittelu
  • Öljykenttien löytämisvuosi, poraamisvuosi ja tuottavuusluokittelu
  • Internetkäyttäjien lukumäärä eri vuosina

Kuten myös Bayar (2014) tuumasi, ei pelkkien timanttikaivosten, öljykenttien ja konfliktien sijainnin perusteella voi vielä päätellä tapahtumien ajallista jakautumista, joka on tärkeä tekijä esimerkiksi konfliktien ja kaivosten tai öljykenttien välistä suhdetta tarkasteltaessa. Jakamalla aineistoa ajallisesti päästäisiin selvittämään mahdollisia syy-seuraussuhteita ja/tai lieveilmiöitä. Ehdotetun aineiston avulla voitaisiin tarkastella onko alueella tapahtunut vaurastumista timanttikaivosten tai öljykenttien löytämisen ja käyttöönoton myötä. Alueen mahdollista vaurastumista voitaisiin kuvata Internetkäyttäjien osuuden kasvulla. Myös Erfving (2014) uumoili omassa blogissaan, että Internetkäyttäjien osuus voisi selittää valtion kehitysastetta olettaen, että kehittyneemmillä ja vauraimmilla alueilla Internetin käyttömahdollisuudet ovat paremmat kuin köyhissä ja kehittymättömissä maissa. Konfliktien tapahtumavuotta voitaisiin taas verrata muihin samoilla alueilla samoihin aikoihin sijoittuviin tapahtumiin, esimerkiksi öljykenttien ja timanttikaivosten löytämiseen tai toiminnan aloittamiseen. Konflikteja voivat aiheuttaa muun muassa muutokset elinkeinoissa ja kiistat maa-alueista. Konfliktien syntymiseen voi vaikuttaa myös timanttikaivosten ja öljykenttien tuottavuus eli huonosti tuottavilla alueilla lienee suuremmalla todennäköisyydellä odotettavissa konflikteja. Olisi mielenkiintoista seurata yksittäisen öljykentän tai timanttikaivoksen kehityksen ja alueen vaurauden välisen suhteen kehitystä kolmen eri kartan avulla: Internetkäyttäjien osuus alueen väestöstä löytämisvuonna, toiminnan aloitusvuonna ja toiminnan aloittamisen jälkeen, jolloin Internetkäyttäjien määrää verrattaisiin kyseessä olevan toiminnan tuottavuusluokitteluun.

Toisena blogitehtävänä oli laatia opituilla taidoilla tulvaindeksi- ja järvisyyskartta Suomen valuma-alueista. Käytettävä aineisto koottiin useista eri tiedostoista yhtenäiseksi tietokannaksi, jonka jälkeen syntyneen tietokannan pohjalta piti luoda valuma-alueiden tulvaherkkyyttä kuvaava koropleettiteemakartta ja järvisyyttä kuvaava pylväsdiagrammikartta (Kuva 1).  Histogrammin mukaan tulvaindeksit olivat jakaantuneet vinosti pienenpien arvojen suuntaan, mutta koska aineistossa oli muutamia ääriarvoja (tulvahuippuja) päätin käyttää luokitteluna luonnollisia luokkavälejä. Näin sain kartalle tulvahuiput hienosti näkyviin. Pylväsdiagrammia on haastava saada visuaalisesti onnistumaan ja sitä olisi ollut tarpeen muokata kuvankäsittelyohjelmalla. Omat taitoni ovat kuitenkin sillä saralla täysin olemattomat, joten jätin hienosäädön tällä kertaa tekemättä. Koropleettiteeman värityksen valitsin siten, että tulvaherkät alueet korostuvat kartalla sinisellä ja alueet, joissa tulvaindeksi on pienehkö näkyvät kartassa keltaisen sävyillä. Olisin halunnut saada kartassa näkyville pohjana toimivat valuma-aluekartan järvineen, mutta siinä en itsekseni onnistunut.

valmis_teemakartta3

Kuva 1. Järvien osuus ja tulvaindeksi valuma-alueilla Suomessa.

Tulvaindeksi kuvaa virtaaman vaihtelua. Mitä suuremman arvon indeksi saa, sitä suurempi ero ns. tulvahuipuilla on kuiviin kausiin. Kartalta näkee selvästi järvisyyden ja tulvaindeksin välisen suhteen: järvisyyden lisääntyessä ja valuma-alueen koon suurentuessa tulvaindeksi pienenee. Joki on erityisen tulvaherkkä, jos sen virtaamavaihtelua tasaavia järviä on vähän. Myös valuma-alueella tai jokiuomassa tapahtuva ihmistoiminta, kuten ojitukset ja virtaaman säännöstely, lisäävät tulvien rajuutta (Muotka ym. 2004). Kartalla näkyy kuinka valuma-alueet, joilla on suurin tulvaindeksi, sijoittuvat rannikolle suurten jokien yhteyteen. Etenkin Pohjanmaalla isojen jokien tulvaindeksiä lisää varmasti laakeat pellot ja virtavoimalat. Vantaanjoen valuma-alueella sekä muilla tiheään asutuilla valuma-alueilla tulvaindeksiä kasvattavat  hulevesien lisääntyminen, sillä rakennetussa ja päällystetyssä ympäristössä sadeveden imeytyminen maahan ja kasvillisuuteen heikkenee. Näin ollen myös mahdolliseen tulvaan johtava virtaaman nousu on nopeampaa ja suurempaa (Suhonen & Rantakokko 2006).

Lähteet: 

Bayar, J. (2014) 3. Kurssikerta 28.01: Tietokantojen data. <https://blogs.helsinki.fi/jasbayar/> Luettu 6.2.2014

Erfving, N. (2014) Kurssikerta 3: Tiedon lisääminen tietokantoihin ja valuma-alueteemakartta. <https://blogs.helsinki.fi/nataliae/> Luettu 6.2.2014

Muotka, T., Hyvärinen, M. & Siikamäki, P. (2004) Virtavesiekosysteemien rakenne ja toiminta. Teoksessa M. Walls & M. Rönkä (toim.) Veden varassa – Suomen vesiluonnon monimuotoisuus. Helsinki: Edita, 44–46.

Suhonen, V. & Rantakokko, K. (2006) Vantaanjoen tulvantorjunnan toimintasuunnitelma. Uudenmaan ympäristökeskuksen raportteja 1/2006.

Artikkeli 1: Päällekkäiset teemakartat

Leonowicz (2006) tarkastelee artikkelissaan päällekkäisten koropleettiteemakarttojen käyttömukavuutta ja käyttötarkoitusta. Maantieteen opiskelijoiden avulla toteutetun tutkimuksen mukaan päällekkäiset teemakartat toimivat yksinkertaisia teemakarttoja paremmin kahden eri muuttujan välisiä suhteita tarkasteltaessa, jos kartta oli hyvin toteutettu. Alueellista jakautumista tarkasteltaessa yhden muuttujan koropleettiteemakartta toimi kuitenkin paremmin.

Oma ensireaktioni päällekkäisestä koropleettiteemakartasta oli, että se tuntui ensisilmäyksellä sekavalta ja vaikeaselkoiselta. Varsinkin, kun artikkelin esimerkkikartassa oli käytetty kahta eri väriteemaa, jotka osittain sekoittuivat toisiinsa. Katsojakohtainen näkemys päällekkäisten teemakarttojen luettavuudesta olikin artikkelissa esitellyn tutkimuksen yksi syy. Kuitenkin tarkasteltuani karttaa tarkemmin, tulin siihen lopputulokseen, että päällekkäisten teemojen käyttö on suotavaa silloin kun vertaillaan kahden eri muuttujan välisiä suhteita.

Sekavuuden tuntu artikkelin kuvissa aiheutui pääasiassa siitä, että ainakin itselläni oli pelkkää karttaa katsoessani vaikea hahmottaa mitä eri värisävyt merkitsivät ja jouduin keskittymään, jotta kartan sanoma avautui. Hyvän kartan tulisi olla sellainen, että sen sanoma avautuu katsojalle ensi vilkaisulla. Kartan toimivuutta voisi parantaa oikein valituilla väreillä tai käyttämällä toisena teemana värin sijasta kuvioita. Päällekkäisen teemakartan paras anti on kuitenkin se, että se antaa katsojalle mahdollisuuden vertailla kahta muuttujaa samanaikaisesti samalla kartalla, eikä vertailua tarvitse tehdä kahden erillisen yhden muuttujan teemakartan välillä.

Päällekkäisen koropleettiteemakartan lukemista helpottaa huomattavasti oikeanlainen legenda. Artikkelissa käytetyn kartan legendamalli oli itselleni täysin uusi tuttavuus, mutta miellyttävä sellainen. Legendana käytettiin sirontakaaviota, jossa kahden eri muuttujan välistä suhdetta tarkastellaan tilastollisesti. Muuttujien saamat arvot esitetään kaaviossa siten, että toisen muuttajan arvot kasvavat x -akselin ja toisen y -akselin mukaisesti. Kartan eri alueiden saamat arvot esitetään pisteinä sirontakaaviossa. Muuttujien välistä suhdetta voidaan tarkastella paremmin sen perusteella, miten pisteet sijoittuvat kaavioon. Jos pisteet keskittyvät vinosti kaavion läpi kulkevaksi muodostelmaksi, muuttujien välinen suhde on lineaarinen eli muuttujien arvot vaihtelevat samassa suhteessa. Suhde voi olla joko negatiivinen tai positiivinen. Poikkeamat tästä suhteesta nähdään pisteinä vastakkaisilla kulma-alueilla. Sirontakaavio saa värityksensä kartan mukaisesti, jolloin kaavion eri osa-alueet saavat värinsä muuttujien arvojen mukaisesti. Eli muuttujan arvon suurentuessa väri tummenee ja alueilla, joissa muuttujat esiintyvät yhdessä, värit sekoittuvat. Sirontakaavion värimalli selvensi kartan väritystä paremmin kuin erilliset legendat olisivat tehneet. Tämänkaltainen legenda parantaa mielestäni siis huomattavasti päällekkäisten koropleettikarttojen selityskykyä ja selkeyttä.

Artikkelin ja siinä esitetyn kartta- ja legendamallin ymmärtämiseen vaaditaan jonkin verran tilastotieteen perustuntemusta ja tämän takia kyseessä oleva kartografinen esitys ei välttämättä avaudu kaikille. Näin ollen koko kansalle suunnatut karttaesitykset toimisivat paremmin yksinkertaisina teemakarttoina peruslegendoin. Artikkelin karttamalli sirontakaaviolegendalla on toimiva tieteellisissä julkaisuissa, sillä se yhdistää sekä kartan että tilastollisen kaavion. Yhdellä kuvalla voidaan kertoa muuttujien alueellinen jakautuminen ja muuttujien välinen suhde. Mutta kuten Järvinen (2014) pohti omassa reaktiopaperissaan, kyseisen legendamallin ongelmana voi olla ’väärän’ tiedon esittäminen. Vertailemalla kahta toisistaan riippumatonta, mutta kuitenkin samassa suhteessa esiintyvää muuttujaa, saadaan sirontakaaviolla esitettyä riippuvuussuhde, jota ei kuitenkaan todellisuudessa ole olemassa. Kartan laatijalla onkin eettinen vastuu valita tutkittavat muuttujat oikein ja näin ollen luoda luotettavaa tieteellistä informaatiota. Ongelmana on, että tilastotiedettä voidaan helposti käyttää väärin silloin, kun sitä käytetään apuvälineenä esimerkiksi luonnontieteellisessä tutkimuksessa (Hurlbert 1984).

 Lähteet:

Hurlbert, S. H. (1984) Pseudoreplication and the design of ecological experiments. Ecological Monographs 54: 187–211.

Järvinen, J. (2014) Artikkeli 1. <  https://blogs.helsinki.fi/jessicaj/ > Luettu 5.2.2014.

Leonowicz, A. (2006) Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42: 33 –37.

Kurssikerta 2: Päällekkäisiä teemakarttoja

Toisella kurssikerralla harjoiteltiin erilaisten teemakarttojen käyttöä. Opitun perusteella piti laatia teemakartta, jossa on käytetty kahta päällekkäistä teemaa, tai 3D-kartta. Valitsin teemakartan ja tehtävänantoa uhmaten käytin kolmea päällekkäistä teemaa (Kuva 1).

Kuva 1. Väkiluku, työpaikkojen määrä ja työttömyysasteet Uudenmaan kunnissa 2010.

 

Aineistona käytin Uudenmaan kuntien väestötietoja: väkilukua, työpaikkoja ja työttömyysastetta. Halusin selvittää näillä päällekkäisillä teemoilla, miten edellä mainitut asiat ovat jakaantuneet eri kuntien välillä Uudellamaalla ja mitä työllisyyteen liittyviä ilmiöitä kartalta on havaittavissa. Käytin pohjalla koropleettikarttaa, joka esittää väkimäärää kussakin kunnassa. Valitsin luokkien määräksi viisi, sillä Uudellamaalla on väkimäärältään hyvin erilaisia kuntia ja näin kuntien väliset erot tulivat paremmin esille. Seuraavaksi teemakartaksi valitsin pistekartan, joka esittää työpaikkoja. Kokeilemalla totesin, että kartalla olevien pisteiden määrä on riittävä kun yksi piste kartalla vastaa tuhatta työpaikkaa. Tätä määrää muuttamalla joko pääkaupunkiseutu muuttui täysin tunnistamattomaksi tai sitten pienempien kuntien vähäiset työpaikat hävisivät kokonaan näkyvistä. Lopuksi lisäsin päälle kolmannen teemakartan eli graduated -teemakartan. Valitsin työttömyysastetta kuvaavaksi symboliksi keltaisen pikku-ukon ja skaalasin asteikon taas kokeilemalla karttaan sopivaksi.

Mielestäni kartta näyttää ihan miellyttävältä, mutta toisaalta en ole mikään kartta-asiantuntija. Pyrin valitsemaan värit siten, että ne erottuisivat toisistaan, mutta olisivat kuitenkin harmoniset. Kartasta näkee, että työpaikkojen määrä on selvästi suurin pääkaupunkiseudulla, missä myös asuu eniten ihmisiä. Työpaikkojen määrä kunnissa lisääntyy kartan mukaan asukasluvun kasvaessa, kun taas asukasluvultaan pienillä paikkakunnilla työpaikkojen määrä on vähäinen. On mielenkiintoista huomata, ettei työttömyysaste seuraa samaa trendiä väkiluvun ja työpaikkojen määrän kanssa. Väkimäärältään ja työpaikkojen määrältään toisiaan vastaavissa kunnissa työttömyysaste voi kuitenkin erota merkittävästikin. Esimerkiksi Helsingissä, Vantaalla ja Espoossa väkiluku ja työpaikkojen määrä on suuri, mutta työttömyysaste on selvästi pienempi Espoossa kuin Helsingissä ja Vantaalla. Tuusula, Nurmijärvi ja Lohja vastaavat myös väkiluvultaan ja työpaikkojen määrältään toisiaan, mutta Lohjalla työttömyysaste on suurempi kuin muissa. Myös asukasluvultaan pienempien Uudenmaan kuntien välillä on havaittavissa suurtakin vaihtelua työttömyysasteissa. Uudenmaanliiton (2013) laatimien työttömyystilastojen mukaan vuonna 2012 Uudenmaan työttömyysaste oli suurin Länsi- ja Itä-Uudellamaalla, Helsingissä, Vantaalla ja Hyvinkäällä. Vaikka käyttämäni aineisto on kaksi vuotta vanhempi, sama trendi näkyy myös omalla kartallani.

Mahdollisia tekijöitä kuntien erilaisten työttömyysasteiden muodostumiseen ovat työpaikkojen sijainti, kulkuyhteydet ja asuinalueiden ominaisuudet. Suurin osa Uudenmaan työpaikoista sijaitsee pääkaupunkiseudulla, jonne työmatkat Itä- ja Länsi-Uudenmaan reunakunnista ovat pitkiä. Sipilä ym. (2011) mukaan erityisesti perheen tulotasolla, syrjäisellä asuinpaikalla ja alhaisella koulutustasolla on negatiivinen vaikutus nuorten työllistymiseen, mutta uskon että sama pätee osittain myös vanhempaan väestöön. Etenkin Itä-Uudenmaan pienissä maalaiskunnissa (Myrskylä, Lapinjärvi) töitä on vähän ja resurssit työnhakuun voivat olla pienet pitkien työmatkojen tai alhaisen koulutusasteen takia. Pienimmät työttömyysasteet Uudellamaalla ovat ns. KUUMA -seudulla (Hyvinkää, Järvenpää, Kerava, Tuusula, Vihti, Nurmijärvi, Sipoo, Pornainen, Mäntsälä ja Kirkkonummi) (Uudenmaanliitto 2013), jossa ainoastaan Hyvinkäällä työttömyysaste on korkeampi verrattuna koko Uudenmaan työttömyysasteeseen. Hintsanen (2014) pohti omassa teemakartassaan työttömyysasteen ja koulutustason välistä suhdetta Uudellamaalla ja havaitsi että sellaisen kunnan, jossa asuu paljon korkeasti koulutettuja, työttömyysaste on yleensä matalampi. Tällaisia kuntia ovat juuri KUUMA -seudun kunnat. Toinen KUUMA -seudun työttömyysastetta pienentävä tekijä voi olla se, että seudun kunnat tukevat asukkaittensa työssäkäyntiä pääkaupunkiseudulla edullisin työmatkalipuin (Matkahuolto 2014). Syy asukasluvultaan suurempien kuntien suurempaan työttömyysasteeseen voi löytyä niissä olevista halvemmista asuinalueista. Suuremmissa kaupungeissa on yleensä enemmän kaupungin tukemia asuinalueita, joissa asuu syystä tai toisesta vähävaraisempia kansalaisia. Esimerkiksi Vantaan korkeaa työttömyysastetta voi selittää työttömien pakolaisten suuri määrä (Hintsanen 2014). KUUMA -seudun kuntia taas yhdistää uusien omakotiasuinalueiden rakennusbuumi, mikä lisää työssäkäyvien asukkaiden määrää kyseisissä kunnissa ja saattaa näin ollen jopa pienentää kuntien työttömyysastetta.

Lähteet:

Hintsanen, L. (2014) Kurssikerta 2: Kahden teeman teemakartat.  <https://blogs.helsinki.fi/lhintsan/>   Luettu 4.2.2014.

Matkahuolto (2014) Työmatkaliput.  <http://www.matkahuolto.fi/fi/matka/lipputuotteet/tyomatkaliput /> 4.2.2014

Sipilä, N., Kestilä, L. & Martikainen, P. (2011) Koulutuksen yhteys nuorten työttömyyteen: mihin peruskoulututkinto riittää 2000-luvun alussa? Yhteiskuntapolitiikka 76. Terveyden ja hyvinvoinnin laitos, Helsinki. <http://urn.fi/URN:NBN:fi-fe201209117816>

Uudenmaanliitto (2013) Työttömät. <http://www.uudenmaanliitto.fi/tietopalvelut/uusimaa-tietopankki/tyomarkkinat/tyottomat>  Päivitetty 30.10.2013.

Kurssikerta 1: Ihan ensimmäinen kerta

Tässä blogissa tutustutaan paikkatiedon ihmeelliseen maailmaan Paikkatiedon hankinta, analyysi ja kartografia -kurssin avulla. Itselleni tämä uusi maailma on ainakin ihmeellinen, sillä aikaisempi kokemukseni paikkatiedosta ja sen sovellutuksista on lähestulkoon olematon: olenhan juuri toisesta tiedekunnasta maantieteen opinahjoon loikannut ekologi. Sen pitemmittä puheitta siirtykäämme totisiin asioihin eli ensimmäiseen kurssikertaan ja sieltä saatuihin oivalluksiin.

Kurssi alkoi omaksi onnekseni paikkatiedon perusteiden ja MapInfon käytön kertauksella, vaikkakin nämä asiat olivat jo ennestään tuttuja useammille muille kurssilaisille. Alun perusteella paikkatiedon käsite ja sen peruskäyttösovellutukset vaikuttivat selkeiltä ja helposti omaksuttavissa olevilta asioilta. Kurssilla käytetään MapInfo Professional 11.5. -ohjelmistoa, joka ensimmäisen käyttökerran jälkeen tuntui ihan näppärältä ja loogiselta käyttää. Toisaalta minulla ei ollutkaan pohjalla kokemusta Corel Draw -ohjelman käytöstä, johon useat muut kurssilaiset MapInfon käyttömukavuutta ovat verranneet (Kinnunen 2014, Massinen 2014). Itse en ole aikaisemmin tullut käyttäneeksi mitään MS Officea kummempaa softwarea eivätkä odotukseni uusille ohjelmistotuttavuuksille ole koskaan kovin korkeat.

Ensimmäisen kurssikerran oppimistavoitteena oli erilaisten teemakarttojen, kuten koropleettikarttojen, tekeminen ja näihin liittyvien luokittelumenetelmien valinta ja MapInfon tarjoamien vaihtoehtojen ymmärtäminen. Luulin alkuhuumassa omaksuneeni asian täydellisesti, mutta jouduinkin myöhemmin karvaasti pettymään ja nielemään ylpeyteni. Karttoihin käytettävän aineiston luokittelutavan valinnassa apuna käytettiin histagrammityökalua. Histagrammikaavion avulla nähdään miten aineisto on jakautunut, jonka jälkeen oikea luokittelutapa voidaan valita. Kurssikerralla opeteltiin myös lisäämään karttaan muita tarpeellisia objekteja, kuten pohjoisnuoli ja mittakaavajana. Lopuksi jokaisen tuli laatia itsenäisesti omavalintainen koropleettiteemakartta ja käyttää siihen kaikkea omaksumaansa taituruutta.

Valitsin omaksi aiheekseni korkea-asteen tutkintojen osuuden Suomessa kuntatasolla, sillä aihe oli kiinnostava enkä ollut itse törmännyt vastaavanlaiseen karttaan aikaisemmin. Kun aineisto oli valittu, tarkastelin sen jakautumista histogrammityökalulla. Aineistoni jakautuma osoittautui vinoksi (Kuva 1) ja täten valitsin teemakarttani luokittelutavaksi kurssimonisteen avulla ’Equal Count’ eli kvantiilit, joilla on pyrkimys yhtä suureen määrään havaintoja per luokka.

Kuva 1. Histogrammi aineiston jakautumisesta

Kartta näyttää hyvältä ja on ymmärrettävä (Kuva 2). Valitsemani värimaailma kuvaa ’oppineisuuden intensiteettiä’ eli mitä suurempi korkea-asteen tutkintojen osuus, sitä syvempi väri. Kartassa näkyvät selkeästi tummemmalla ne kunnat, joissa korkea-asteen tutkintoja hankitaan eli yliopisto- ja korkeakoulukaupungit sekä niiden lähialueet. Kartasta esille ponnahtaa myös Utsjoki, jonka korkea-asteen tutkintojen osuutta (21,4 %) selittänee siellä sijaitseva Lapin tutkimuslaitos Kevo.

Kuva 2. Koropleettikartta korkea-asteen tutkintojen osuudesta kunnittain Suomessa

Tarkkailtuani histagrammia tarkemmin, huomasin kuitenkin, että käyttämälläni luokituksella aineiston suurimmat arvot jäävät välille 23 – 56 %, jolloin kaikki kunnat, joissa korkea-asteen tutkintojen osuus on vähintään 23 %, näkyvät kartalla samalla värillä. Näin ollen suurimmat arvot eivät tule kartalla esille. Tämä sai minut epäilemään vahvasti, että olen käyttänyt karttaa tehdessäni väärää luokittelutapaa. Myös Määttä (17.1.2014) huomasi samankaltaisia ongelmia valitessaan oikeaa luokittelutapaa vinolle jakaumalle. Olisi ollut ehkä tarkoituksenmukaisempaa käyttää luokittelutapana ’Equal Ranges’ eli tasavälistä luokitusta, sillä aineiston vaihteluväli on suuri (9,6 – 56) ja mediaani (19,1) on lähempänä pienempiä arvoja. Tätä luokittelutapaa käyttämällä suurimmat arvot olisivat erottuneet kartalla, jolloin esiin olisi tullut uusia näkökulmia, kuten onko koulutuspaikkojen sijainti ainut syy tutkintojen osuuksiin. Kunnat, joissa korkea-asteen tutkintojen osuus on yli 35 %, ovat Helsinki, Kirkkonummi, Pirkkala, Espoo ja Kauniainen. Onko siis näissä kunnissa kenties jotain erityispiirteitä, kuten arvostettuja asuinalueita, joiden perusteella korkeasti koulutetut valitsevat asuinpaikkansa?

Huomasin myös vasta muiden kurssilaisten blogeja selatessani ja Lyytikäisen (2014) ottaessa asian esille, että myös luokkien määrän olisi voinut määrätä itse. Jostain syystä tämä tieto oli mennyt ohi aistinsensorieni ja tästä syystä omassa kartassani on vain neljä luokkaa. Kuten Lyytikäinenkin blogissaan toteaa, luokkien määrää vaihtelemalla kartan ilme voi muuttua huomattavan erilaiseksi ja sitä voi näin myös muuttaa selkeämmäksi. Oma nykyinen karttani olisi varmasti parantunut, jos olisin muuttanut luokkien määrän neljästä viiteen.

Kaiken kaikkiaan opin ensimmäisellä kurssikerralla paljon uutta, mutta unohdin myös heti osan työmuistiini tallentuneesta tiedosta. Kertaus on opintojen äiti, joten eiköhän harjoitus tee minustakin vielä mestarin.

Lähteet:

Histogrammityökalu (2014) <http://illuminations.nctm.org/Activity.aspx?id=4152> 23.1.2014

Kinnunen, A. (2014) First lesson. <https://blogs.helsinki.fi/aekinnun/> Luettu 28.1.2014

Massinen, S. (2014) Kurssin aloitus ja MapInfoon tutustuminen. <https://blogs.helsinki.fi/smassine> Luettu 28.1.2014

Määttä, T. (2014) Kurssikerta 1: MapInfo ja koropleettikartan väkerrystä. <https://blogs.helsinki.fi/timaatta>  Luettu 28.1.2014

Lyytikäinen, S. (2014) Kurssi alkaa! <https://blogs.helsinki.fi/sealyyti> Luettu 28.1.2014

Tilastokeskus (2011) Väestörakenne 23.1.2014